Självkörande bilar, VR, ansiktsigenkänning och autonoma industrirobotar är några av de allra hetaste teknikområdena just nu. Och de har alla en sak gemensamt – datorseende. Men att få en maskin att se skillnad på en plastpåse och en boll är svårare än man kan tro.
Datorseende är ett forskningsfält som i sig inte har rönt så stor uppmärksamhet, men som ligger till grund för mycket av det vi just nu ser som den absolut hetaste framtidstekniken. Att lära en maskin att tolka visuell information är en central del inom artificiell intelligens, autonoma fordon, robotar och mycket annat.
Redan idag används datorseende inom så vitt skilda fält som sjukvård och brottsbekämpning. Genom ansiktsigenkänning kan systemet själv upptäcka om en viss person syns på en övervakningsfilm så att en människa slipper gå igenom filmmaterialet manuellt. På samma sätt kan röntgenbilder analyseras automatiskt för att göra en första sållning på jakt efter exempelvis cancertumörer.
– Man kan tänka sig en sjukvårdstjänst på nätet där en viss sorts föranalys automatiseras och där de fall som datorn anser behöver närmare analys skickas till en mänsklig läkare, säger Michael Felsberg som är professor i datorseende på Linköpings universitet.
Utmaning att tolka bilder
Men något som vi människor tar för givet är väldigt komplicerat för en maskin. Att tolka sin omgivning är inte i första hand en fråga om att kunna se, utan att förstå vad det är du ser.
– En bild är bara en stor matris, den innehåller ingen konkret information om objekt eller avstånd. Det enda en kamera mäter är intensitet på ljuset. All tolkning sker i mjukvaran, säger Michael Felsberg.
En utmaning för datorseende handlar om ren processorkraft. I dagens självkörande bilar finns till exempel kameror, GPS, radar, laser och en massa andra källor till information. Allt detta måste tas in, tolkas och behandlas av datorn för att bilen ska kunna fatta ett beslut om fortsatt färd.
Men den största utmaningen ligger i metodiken. Det som är enkelt för en människa; att få en spontan uppfattning om världen bara genom att titta på den, är svårt för en dator.
– Datorer är duktiga på att se om en tavla hänger rakt, men att skilja på en plastpåse och en boll är knepigt för datorseende. Vi försöker knäcka en del av människans intelligens som är väldigt fundamental men ändå svår att mäta. Det gör det svårt att bygga modeller för hur datorn ska tolka vad den ser, säger Michael Felsberg.
Självlärande system
Istället för att försöka förutse alla möjliga situationer en självkörande bil kan hamna i har forskarna under senare år istället skiftat fokus mot maskininlärning. Det innebär att de tränar upp ett artificiellt system, snarare än programmerar det. Men detta medför andra problem.
– I självlärande system finns två utmaningar. Dels att veta varför något fungerar eller inte, och dels att få ett mått på hur sannolikt det är att en tolkning är korrekt, säger Michael Felsberg.
När har datorseende kommit till den nivån då vi faktiskt har självkörande bilar i någon större kommersiell skala? Michael Felsberg tycker att det nu är svårare än någonsin att bedöma, men svarar på frågan genom att berätta om vilka rekommendationer han gett sina barn om att ta körkort.
– Min dotter som är 18 har redan körkort och min 16-åriga son rekommenderar jag också att ta ett. Men min tolvårige son kanske inte kommer att behöva det, säger han.
